Маркетолог после нейросетей: какие навыки останутся ценными, когда hard skills дешевеют

ИИ уже забирает у маркетологов ручные операции: настройку, отчёты, тексты и креативы. Но он не отменяет профессию, а меняет цену навыков. Эксперт по нейросетям и ИИ для бизнеса Дмитрий Лукашов рассказывает, почему знание кнопок дешевеет, а умение ставить цель, читать данные и связывать маркетинг с ROI становится важнее.

Ещё несколько лет назад специалист мог строить карьеру вокруг конкретного интерфейса: уметь хорошо настраивать Директ, собирать отчёты в Метрике, писать тексты или делать креативы. Чем глубже знание инструмента, тем выше была цена часа. В 2026 году эта логика начинает ломаться. Рекламные системы автоматизируют настройку, генеративные модели пишут и рисуют, а ИИ-агенты умеют собирать данные и выполнять цепочки действий между сервисами.

На конференции Vitamin.tools Дмитрий Лукашов предложил посмотреть на эту смену без паники. Его тезис: дешёвеет не профессия маркетолога целиком, а способность вручную выполнять отдельную операцию. Если ваша ценность держится только на знании кнопок, машина действительно становится конкурентом. Если вы умеете поставить цель, связать канал с ROI, увидеть ошибку в данных и договориться с людьми, нейросеть превращается в рычаг.

Эксперт называет hard skills коммодитизированными: базовые операции становятся товаром с падающей ценой. Формулировка спорная, но направление видно уже сейчас. Рекламные платформы сами генерируют объявления, собирают аудитории и управляют ставками. Модели делают десятки вариантов текста и креатива за время, которое раньше уходило на один черновик.

Из этого не следует, что технические знания можно выбросить. Без них трудно проверить результат и заметить ошибку. Меняется их роль: раньше специалист продавал само действие, теперь техническая база нужна как язык, на котором он управляет автоматизацией и оценивает её работу.

Если вы не понимаете, как устроена реклама или аналитика, вы не сможете проверить агента. Но глубокое знание каждого интерфейса перестаёт быть единственным способом создать ценность.

В докладе прозвучала удобная модель: раньше SEO, email, таргет, CRM и аналитика жили отдельными профессиями, а теперь часть этих функций можно собрать под одним человеком и набором агентов. Маркетологу не обязательно руками выполнять каждую операцию. Ему нужно видеть клиентский путь целиком и управлять системой.

Это особенно заметно в задачах, где источники данных разорваны. Один агент собирает информацию из аналитики, второй помогает с вариантами креатива, третий готовит отчёт, четвёртый работает с типовыми коммуникациями. Человек остаётся над этой конструкцией: задаёт бизнес-цель, понимает ограничения и решает, когда результату можно доверять.

Для команд, где одновременно работают несколько paid-каналов, тот же принцип полезно переносить и на инфраструктуру. Vitamin.tools в такой модели не должен быть ещё одной точкой ручного контроля: сервис логично использовать как часть рабочего контура вокруг платного трафика, чтобы специалисты тратили меньше внимания на операционку и больше на гипотезы, аналитику и бизнес-результат.

Самый показательный эпизод у Лукашова не про генерацию постов. У команды было 453 счётчика Яндекс Метрики офлайн-бизнесов. Спикер говорит, что первичный анализ всего массива собрал с помощью ИИ-инструментов по дороге на работу. Задача, которая вручную потребовала бы большого количества человеко-часов, превратилась в короткий цикл обработки данных.

На этом автоматизация не закончила работу, а только сдвинула её вверх. Команде пришлось вычитывать результаты, проверять, какие цифры можно публиковать, искать спорные места и решать, какие наблюдения достойны исследования. Это хороший пример новой цены аналитика: не свести 453 файла, а придумать правильный вопрос и не поверить красивому выводу раньше времени.

Лукашов предлагает перестать мыслить профессиями и смотреть на навыки. Первый блок — стратегия: связать технологию и экспертизу с ROI. ИИ может предложить десятки сценариев, но кто-то должен выбрать, какую метрику оптимизировать и какой риск бизнес готов принять.

Второй блок — аналитика. Чем легче получить цифры, тем опаснее принимать их за готовый ответ. Маркетологу нужно уметь отделить корреляцию от полезного бизнес-вывода, проверить исходные данные и объяснить, что команда должна сделать после отчёта.

Третий блок — ответственность. В выступлении Дмитрий много говорит о субъектности: у человека есть собственная цель и возможность сказать «делаем так, потому что я отвечаю за последствия». Агент исполняет заданную логику. Когда решение неоднозначно, ответственность не автоматизируется вместе с таблицей.

Один из самых сильных фрагментов выступления — внутренние данные про эмоциональный интеллект. По словам Лукашова, сотрудники с низким EI в его компании получают на 30% больше клиентских жалоб, а удержание у них на 30% ниже. Это не рыночное исследование, а внутренняя выборка, но она показывает связь, которую легко пропустить: качество коммуникации влияет на те же деньги, что и рекламная оптимизация.

Когда два специалиста используют похожие модели и инструменты, разницу создаёт то, как они задают вопросы, объясняют решение, слышат возражение и ведут сложный разговор. ИИ может подготовить текст ответа. Клиент всё равно запоминает, понял ли его человек и взял ли на себя ответственность.

Здесь у спикера самая спорная позиция. Классическая модель T-shaped специалиста предполагает глубокую специализацию плюс широкий кругозор. Лукашов считает, что в эпоху агентов ценность смещается в горизонталь: маркетологу выгоднее понимать больше смежных дисциплин и собирать под себя инструменты, чем бесконечно углубляться в один интерфейс.

Полностью отказываться от глубины рискованно. В аналитике, стратегии и высокорисковых решениях поверхностное знание быстро упирается в потолок. Но для карьерного выбора идея полезна: глубина должна быть не в знании расположения кнопок, а в методологии. Вы можете не помнить каждый пункт меню Директа, но должны понимать экономику аукциона, качество данных и причинность в воронке.

Спикер отдельно спорит с идеей промпт-инжиниринга как самостоятельной долгосрочной профессии. Его аргумент: она появилась в момент, когда модели плохо понимали намерение пользователя. Чем лучше модели удерживают контекст и получают доступ к данным через RAG, MCP и другие механики, тем меньше ценится умение составлять сложную формулу запроса само по себе.

Это не значит, что можно перестать ясно формулировать задачу. Наоборот: дорожает постановка задачи, а не синтаксис промпта. Умение объяснить, какой результат нужен, какие есть ограничения и как проверить качество, останется полезным независимо от того, в каком интерфейсе работает модель.

Спикер использует слово «оппортунизм» в прямом смысле opportunity: замечать возможность и быстро перестраиваться. Если вы знаете SEO и видите, что клиенту нужен ИИ-процесс для анализа семантики, можно превратить это в отдельную услугу. Если вы отвечаете за аккаунтинг, можно собрать помощника для типовых клиентских вопросов и освободить время на стратегию.

Нейросети делают дешевле производство результата первого уровня: текст, картинку, выгрузку, настройку, черновой анализ. Карьерная ценность маркетолога смещается на уровень выше. Нужно понимать, зачем бизнес делает действие, как связать его с деньгами, как проверить вывод машины и как договориться с людьми, которые будут жить с этим решением.

Поэтому вопрос «какие hard skills учить» становится вторичным. Учить всё равно придётся. Но выбирать стоит те навыки, которые помогают управлять системой: стратегию, аналитику, эмпатию, кросс-функциональность и способность брать ответственность. Тогда ИИ не отнимает профессию, а расширяет диапазон задач, за которые маркетолог может отвечать.